COVID-19疫情期间人类活动减少对植被生长的影响_李扬.pdf

第 卷 第 期 年 月测绘与空间地理信息 ，收稿日期：作者简介：李 扬（），女，内蒙古赤峰人，地图学与地理信息系统专业硕士研究生，主要研究方向为地理信息获取与空间数据挖掘。通信作者：万鲁河（），男，山东荷泽人，教授，博士，年毕业于哈尔滨工业大学管理科学与工程专业，主要从事地理信息获取与空间数据挖掘等方面的教学与科研工作。疫情期间人类活动减少对植被生长的影响李 扬，朱丹瑶，万鲁河，车丽娜，赵 悦，尚铂雯，苏 州（哈尔滨师范大学 地理科学学院，黑龙江 哈尔滨）摘要：年初 疫情期间人类活动减少，对于各地植被的生长状况造成了不同程度的影响。本文利用 年 影像分析哈尔滨、北京、武汉、广州及纽约的 时空变化特征。通过 趋势分析和 的检验数据来分析 空间上的变化特征，并结合对应的气温和降水数据分析其相关影响，利用残差分析研究人类活动减少对各地区植被生长状况的影响。研究表明：）从时间变化上来看，除纽约外，其余城市 值均较上一年增加。）从变化趋势上来看，除广州植被改善的区域小于植被退化的区域外，其余城市均大于植被退化的区域。）从气温降水方面分析，只有哈尔滨与气温正相关，其余城市均为负相关；只有广州与降水呈负相关，其余城市均正相关。）通过残差分析，北京、武汉、广州人类活动的减少对植被的生长状况起促进作用；而哈尔滨、纽约人类活动的减少可能没有对植被的生长产生正面影响。关键词：；人类活动；植被生长中图分类号：文献标识码：文章编号：（），（，）：，：），），），；，），：；引 言植被生态系统在研究植物如何维持地球陆地自然生态系统稳定等方面具有重要的生态主导作用。从传感器中所得到的植被遥感数据覆盖领域广、时间长、分辨率较高，因此可以作为植被数据覆盖及年际气候变化现象研究的重要数据源。在一定量的程度上可以代表全球地表表层植被分布覆盖面的变化。从 世纪初期开始，北半球地区植被覆盖度的年增加趋势减慢，气温和降水是影响植被覆盖时空变化的非常重要的影响因素。此外，人类持续活动对我国植被区域覆盖变化也具有一定的影响，一方面，退耕还林改善了我国黄土高原植被覆盖变化状况；另一方面，人类的一系列活动使得植被覆盖度有所下降。自 新冠疫情首次爆发以来，人类活动频率减少，从而影响了植被的生长变化。本研究基于 数据，结合气温降水数据，分析了 年国内外疫情典型城市植被的时空分布规律和变化趋势，揭示了疫情期间人类活动对植被生长的影响。研究区根据疫情的严重程度，本文在我国东北、华北、华中、华南 个地区选取了相应的疫情城市，分别是哈尔滨、北京、武汉、广州。月份武汉因疫情封城，随后广州、哈尔滨及北京新发地也相继发生不同程度的疫情。同样，也选取了国外典型城市 美国纽约。数据与方法 数据来源与处理 是反映各地植被相对丰度和活性的一种定量标注，被普遍用来指示各地植被覆盖的变化中。本文主要使用的数据是 提供的 年 月份的 产品，时间分辨率为 ，空间分辨率为 。处理中将该月 个 数据集经最大值合成作为该月的 值，若该月只有 个 数据集则直接作为该月的 值。再基于各年月的最大数据获取植物生长季节的平均 数据。气象分析数据主要来自于美国 网站上下载的月气温和降水数据，裁剪出 个城市 年 月份温度和降水数据并对其进行克里金插值，获得与 数据相同投影和空间分辨率的栅格数据。研究方法 最大值合成法计算公式为 （）（）式中，为 月 最大值，为第 月中的 值。均值合成法一般选用 月份植物生长季的 平均值当作全年生长期 的平均值。用 将每个月值 影像数据进行均值合成法的方法进行计算，能够有效消除极端年份气候特殊对植被生长状况的不良影响，得到研究区生长季 数据。趋势分析和 检验法 趋势分析对测量纰漏或具有离散性的数据分析具有较好的规避能力。趋势分析计算（）个数据组合的斜率的中位数，趋势计算的公式表示为：，（）当 时，表示 呈现增长的趋势，表示 呈现退化的趋势。检验是一种非参数统计检验方法，用来准确地判断趋势的显著性，计算公式表示为：设定，定义 统计量为：（），（），|其中，（）（）（），|，（）（）（）（）式中，和 分别是每个像元 年和 年的 的数值，为时间序列的长度；是符号函数；统计量 的取值范围表示为（，）。在给定显著性置信水平 下，当 时，表示研究序列在 水平上存在显著的置信水平变化。一般取 ，本文研究可以帮助判断在 置信水平上 时间序列变化趋势的显著性。偏相关分析偏相关分析方法表示两个要素同时与第 个要素之间存在相关性时，剔除第 个要素考虑另外两个要素的相关性。其中计算公式表示为：（?）（?）（?）（?）（）式中，表示删除 要素后，两个要素的偏相关系数；，分别表示第 年，的实际值；?，?分别表示，多年的平均值；为时间序列的长度。偏相关系数分布的范围在 到 之间，偏相关系数为正即为正相关，相反则为负相关。绝对值越大，表示其相关程度越大。残差分析通过建立气候因素和 之间相关性的一种回归分析模型，分离出气候对植被生长的响应部分，得到的 模拟值与真实值的残差，是除气候之外的其他决定因素对植被生长的影响，可以主要用来解释为人类活动 测绘与空间地理信息 年对植被生长的影响。残差计算公式为：（）（）式中：为第 年的残差值；为第 年 的真实值；为基于气候回归模型计算出的模拟值；为生长季平均温度；为生长季累计降水量。结果与分析 的时间变化特征通过 年生长季 影像中植被覆盖区域的 平均值制作 折线图如图 所示。结果得出，除纽约 年度 值比 年减少，其余城市的 年 值均较上一年有所增加，其中，哈尔滨较上一年增加 ，北京增加 ，武汉增加 ，广州增加 ，说明我国在疫情期间实施的居家管控措施人类活动减少的成效显著，使得植被覆盖度均有所上升，而纽约市政府虽然采取了许多积极的措施，但是纽约城市的人口流动和往来还是给疫情防控带来了难度，人类活动减少的程度相对较弱。图 年各研究区 时间变化折线图 空间变化特征本文将 介于 和 的划分成稳定不变，将 值大于等于 的划分成改善区域，值小于 的为退化区域。将 检验在 置信水平上的显著性检验结果划分为显著变化（或）和变化不显著（）。将 趋势分析的分级结果和 检验的分级成果叠加，获得像元尺度上 变化趋势数据，参照中华人民共和国国家标准天然草地退化、沙化、盐渍化的分级指标（），将分级结果划分为 种不同变化趋势类型，分别是明显改善、轻微改善、稳定不变、轻微退化以及严重退化，植被覆盖度变化百分率范围分别为、（，、（，）、，）、和。结果如图 所示。从图中可以看出：年北京植被明显改善的区域主要集中分布在西部、东北部，这里主要是山脉，人类活动较少；稳定不变的区域在北部、中部及南部；严重退化的区域主要分布在东南部零星地区，主要是城区附近，人类活动频繁。其中，植被覆盖状况逐渐改善的区图 年生长季 变化趋势图 域占，说明北京在生态环境保护方面取得了显著成效。哈尔滨植被植被明显改善的区域主要分布在西边、南边；轻微改善的地区主要位于东部；稳定不变的区域在北部及中南部；严重退化的区域主要集中分布在北部边缘地区及中西部。其中，植被覆盖状况改善的区域占，说明哈尔滨在全面推动绿色发展上有所成效。武汉植被植被明显改善的地区主要位于中部偏北及南部；稳定不变的区域在北部、东北部及西南部；严重退化的地区主位于中部零星地区。其中，植被覆盖状况改善的区域占，说明武汉在加快生态环境建设方面取得成效。广州植被植被明显改善的地区位于北部及东部，该地区主要是山脉；稳定不变的区域在南部；严重退化的区域集中在中部，也是人口聚集，人类活动频繁的地区。其中，植被退化的区域占。主要还是由于这几年广州各行各业经济的持续发展及人口数量的持续增加，生态环境压力持续加大，造成了这一现象。纽约植被植被明显改善的地区位于东部；稳定不变的区域在西南部；严重退化的地区在少数零星的地区。其中，植被覆盖状况改善的区域占。与气温相关关系结合 网站中的气温数据可得：年间，北京 与气温呈正相关的面积（）小于负相关的面积（）；哈尔滨正相关（）大于负相关（）；武汉正相关（）小于负相关（）；广州正相关（）小于负相关（）；纽约正相关（）小于负相关（）；其中，只有哈尔滨的 变化与气温关系较大。年气温偏相关图如图 所示。与降水量相关关系结合 的降水数据可得：年间，北京第 期李 扬等：疫情期间人类活动减少对植被生长的影响图 气温偏相关图 与降水呈正相关的面积（）大于负相关的面积（）；哈尔滨正相关（）大于负相关（）；武汉正相关（）大于负相关（）；广州正相关（）小于负相关（）；纽约正相关（）大于负相关（）；其中，只有广州的 变化与降水关系较小。年降水偏相关情况如图 所示。图 年降水偏相关图 人类活动减少影响分析气候因素是导致植被覆盖程度变化的一个关键原因，在疫情期间人类的活动状况也是一个非常重要的影响原因。本文选取同期 与气温降水作二元一次回归分析，得到只有气候影响的 模拟值，模拟值与真实值之间的残差即为人类活动的影响。其中，北京、纽约的趋势是显著增加；哈尔滨和广州的趋势是显著减少，武汉趋于平缓。从图中可以看出，年（疫情发生）相比较 年（疫情未发生），北京、武汉、广州的残差值为正，说明人类活动减少对其影响为正面的，对于植被的生长起促进作用；而哈尔滨、纽约的残差值为负，即人类活动减少没有对植被的生长产生正面影响。年生长季 残差变化显著性的空间分布如图 所示。图 年生长季 残差变化 显著性的空间分布图 结 论）从时间变化上分析，我国各地区的 值都有所增加，说明疫情期间我国的这几个城市的植被生长状况均较疫情发生之前有所提升。）从 变化趋势上分析，北京、哈尔滨、武汉、纽约植被改善的区域大于植被退化的区域；广州植被改善的区域小于植被退化的区域。说明广州由于经济的持续发展及人口数量的持续增加等原因，植被改善区域较少。）从气温相关性来看，北京 与实际气温呈正相关的面积占比为；哈尔滨占比为；武汉占比；广州占比；纽约占比。其中哈尔滨 与气温的正相关性最为显著。）从降水相关性来看，北京 与降水呈正相关的面积为；哈尔滨正相关面积为；武汉正相关面积为；广州正相关面积为；纽约正相关面积为。其中广州 与降水的正相关性最小。）从人类活动残差分析角度看，北京显著增加的区域约占；哈尔滨约占；武汉约占；广州约占；纽约约占。且 年相比较 年（疫情未发生），北京、武汉、广州的残差值为正，说明人类 测绘与空间地理信息 年活动减少对其影响为正面的，对于植被的生长起促进作用；而哈尔滨、纽约的残差值为负，说明人类活动减少没有对植被的生长产生正面影响。结束语本文研究的结果可以清晰地反映出植被覆盖的变化情况，这与苏奋振的研究结果一致。同时，本文还有一定的局限性，首先，在 的趋势分析中，研究年份没有很长；其次，疫情肆虐期间人类活动减少对各行各业都产生了一定的影响，因此，还需要进一步加强人类活动对植被覆盖度影响的分析；最后，植被的变化还受到污染物排放指数等因素的影响，还需要对其他影响因素进行多角度全方位的考虑。参考文献：孙红雨，王长耀，牛铮 中国地表植被覆盖变化及其与气候因子关系：基于 时间序列数据分析 遥感学报，（）：，（）：，（）：，（）：徐浩杰，杨太保 柴达木盆地植被生长时空变化特征及其对气候要素的响应 自然资源学报，（）：张含玉，方怒放，史志华 黄土高原植被覆盖时空变化及其对气候因子的响应 生态学报，（）：李春娥，刘秋荣，张丽君 新疆 年、降水和 的时空特征 草业科学，（）：刘宪锋，朱秀芳，潘耀忠，等 年秦巴山区植被覆盖时空变化特征及其归因（英文）地理学报，（）：邱丽莎，张立峰，何毅，等 年祁连山植被动态变化遥感监测 遥感信息，（）：丁玥，阿布都热合曼哈力克，陈香月，等 和田地区植被覆盖变化及气候因子驱动分析 生态学报，（）：冯磊，杨东，黄悦悦 年川渝地区植被 特征及其对极端气候的响应 生态学杂志，（）：，（）：袁丽华，蒋卫国，申文明，等 年黄河流域植被覆盖时空变化分析 生态学报，（）：杜佳梦，包刚，佟斯琴，等 年蒙古国植被覆盖变化及其与气候变化和人类活动的关系 草业学报，（）：王春敏 基于 的三江源植被变化及影响因素分析 北京：中国地